[发明专利]基于描述子特征优化矿山点云临近迭代的配准方法、系统

说明书

本公开实施例公开了一种基于描述子特征优化矿山点云临近迭代的配准方法、系统；其中方法包括：去除采集的巷道退化环境初始点云数据中的离群点，获得巷道退化环境有效点云数据；提取巷道退化环境有效点云数据中的关键点，获取关键点的FPFH特征；基于关键点的FPFH特征，采用采样一致性初始配准算法进行点云的粗配准，获得巷道退化环境点云粗配准变换矩阵；基于巷道退化环境点云粗配准变换矩阵，采用GICP算法获得点云之间坐标变换参数，完成点云的精配准；该方法能够有效提高掘进巷道退化环境的点云配准精度，在精配准环节也能提高配准效率。

技术领域

本申请涉及煤矿巷道数据配准技术领域，尤其涉及基于描述子特征优化矿山点云临近迭代的配准方法、系统。

背景技术

点云配准就是将不同坐标系中的点云数据转换到同一个坐标系中，得到完整场景的三维点云数据。

由于巷道内部结构的特殊性，导致无法获取充足准确的点云数据信息，采集得到的点云数据呈现非结构化的特性，在对长距离等宽度巷道等退化场景进行建模时，基于扫描的匹配方法很难提取巷道特征，导致建立的巷道模型在精度上存在不足，不能很好的显示巷道内部台阶、陡坡、障碍物等信息。

发明内容

有鉴于此，本公开实施例提供了基于描述子特征优化矿山点云临近迭代的配准方法、系统，能够提高掘进巷道的点云配准精度，在精配准环节也能提高配准效率的点云配准方法。

第一方面，本公开实施例提供了基于描述子特征优化矿山点云临近迭代的配准方法，采用如下技术方案：

去除采集的巷道退化环境初始点云数据中的离群点，获得巷道退化环境有效点云数据；

提取所述巷道退化环境有效点云数据中的关键点，获取所述关键点的FPFH特征；

基于所述关键点的FPFH特征，采用采样一致性初始配准算法进行点云的粗配准，获得巷道退化环境点云粗配准变换矩阵；

采用GICP算法获得点云之间坐标变换参数，完成点云的精配准。

可选地，所述离群点的确定方法具体为：

基于所述巷道退化环境初始点云数据中的任一点云，采用KD-tree近邻搜索算法获得对应点云的若干相邻点，将与点云的距离小于设定阈值的相邻点分类为一个聚类；

若同一聚类中相邻点的数量小于设定数量阈值时，则该点云为离群点；

所述离群点的去除采用的是欧式聚类算法。

可选地，所述关键点的提取方法具体如下：

基于所述巷道退化环境有效点云数据，获取每一个点p_i预设半径内的所有点，并计算这些点的权值w_ij；

w_ij＝1/||p_i-p_j||，||p_i-p_j||r_frame；r_frame为预设半径，，其中，p_i为基准点，p_j为预设半径内的任一点；

根据所述权值获取对应点的协方差矩阵COV(p_i)；

基于所述协方差矩阵COV(p_i)，获得每个点p_i的协方差矩阵的特征值其中，

若且则该点为关键点；

ε₁≤1，ε₂≤1。

可选地，所述关键点的FPFH特征的获取步骤为：